In-Context Learning（文脈内学習）In-Context Learning　—　読み：いんこんてきすとらーにんぐ

In-Context Learning（文脈内学習、以下 ICL）は、モデルの重みを更新せずに、入力の中へ例や指示を置くだけで、その場の課題に合わせた出力を引き出す使い方です。追加の学習をしないまま振る舞いが変わる点が、ファインチューニングとの分かれ目になります。このページでは、仕組み・出典・向き不向き・FAQ をまとめます。

① 入力の前提だけで振る舞いを変える

ICL では、モデルのパラメータを更新しません。変えるのは、その回の入力に含める文章だけです。課題の説明、解き方の見本、出力の形の指定を入力へ並べ、続く問いに対して同じ形で答えさせます。学習の工程を挟まないため、試すまでの時間が短くなります。

② 例の数で呼び方が変わる

例を1つも置かない設定はゼロショット、1つ置く設定はワンショット、複数置く設定はフューショットと呼ばれます。呼び方が変わるだけでなく、必要な入力の長さも変わります。例を増やすほど入力は長くなり、そのぶん一度に扱える問いの量が減ります。どの設定で運用するかを先に決めておくと、指示文の作り直しが減ります。

③ 例の選び方と並び順が結果を左右する

同じ数の例でも、中身と順番を変えると出力が変わります。問いに近い例を選ぶと、答えの形がそろいやすくなります。逆に、似ていない例を混ぜると、出力の形式が引きずられます。分類の課題では、最後に置いた例の影響が強く出ることがあります。例の並びは毎回同じにし、変えたときは結果も取り直すのが安全です。

④ 学習ではないので、次の回には残らない

ICL で得た振る舞いは、その入力の範囲でだけ働きます。別の会話や別の日に、同じ例を置かなければ同じ振る舞いは戻りません。毎回同じ前提を置く運用にするなら、システムプロンプトやテンプレートとして固定する方法があります。固定した前提が長くなりすぎる場合は、例の数を絞るか、指示の側を短くします。

ICL という呼び方は、2020年5月に公開された論文「Language Models are Few-Shot Learners」で用いられたものが広く参照されています。論文は、モデルの重みを更新せず、推論の時点で数件の実例を条件として与えるだけで課題をこなさせる設定を扱い、これを few-shot と呼んでいます。対象になったモデルは、当時としては大きい部類に入る言語モデルで、抄録には 1750億のパラメータを持つと書かれています。抄録には、翻訳や質問応答、穴埋めといった課題で良い性能を示したこと、また、少数の実例や自然言語の指示だけで新しい課題をこなせる場合がある一方、結果は一様ではないことが書かれています。この報告以降、例を入力へ置く使い方が、モデルを作り直さずに振る舞いを変える手段として定着しました。

• Brown ほか「Language Models are Few-Shot Learners」（arXiv:2005.14165、2020年5月28日公開、2026年10月29日参照）

• 少数例示学習（Few-shot Learning）
• ゼロショット学習
• プロンプト
• システムプロンプト（System Prompt）
• ファインチューニング
• コンテキストウィンドウ
• チュートリアル：見本を2件から始める：ICL で出力の形をそろえるステップ →

用語同士は相互リンクされています。未掲載の用語は用語一覧の該当項目へリンクします。

実務でそのまま使えるプロンプト例です。コピーして〔　〕内を置き換えてください。同じカードはプロンプト集にも掲載されています。

次の見本と同じ形式で、新しい案件の報告文を書いてください。

見本1：
案件：A社の見積もり
状況：回答待ち（3日経過）
次の行動：金曜に再連絡

見本2：
案件：B社の仕様確認
状況：先方の回答待ち（1日経過）
次の行動：明日の午前に再連絡

新しい案件：
案件：〔案件名〕
状況：〔状況〕

見本と同じ4行で書いてください。行を増やさないでください。

次の見本は、問い合わせを2種類に仕分けた例です。同じ基準で、下の問い合わせを仕分けてください。

見本1：「先月の請求額が先月より高い」→ 請求
見本2：「アプリの画面が開かない」→ 不具合
見本3：「契約を来月で終わりにしたい」→ 契約

仕分ける対象：〔問い合わせ文をそのまま貼る〕

出力は「分類：」「根拠になった語：」の2行にしてください。どちらにも当てはまらない場合は「分類：判断不能」と書いてください。

同じ3件の見本を、順番だけ変えた2通りの指示を作ってください。
見本：〔見本1〕〔見本2〕〔見本3〕

1つ目は「よくある例を先に」、2つ目は「問いに近い例を最後に」並べてください。そのうえで、順番を変えると結果が変わりやすい課題かどうかを、「変わりやすい」「変わりにくい」のどちらかで答え、理由を2文で添えてください。

出典：次の一次資料を参照しました（参照日 2026年10月29日）。リンクは貼らず、媒体名と資料名のみを記します。

• Brown ほか「Language Models are Few-Shot Learners」（arXiv:2005.14165、2020年5月28日公開、2026年10月29日参照）

定義・出典の記述は一次資料に基づきます。リンク先の内容は公開時点のものです。

ICL は、モデルの重みを更新せず、入力に置いた例と指示で出力を寄せる使い方です。例の数・選び方・並び順で結果が変わるため、この3つを記録すると再現しやすくなります。入力から外れれば効果は消えるので、定着させたい用途では別の手段を組み合わせます。

• 重みを変えず、入力の並びで振る舞いを作る
• 例の数・選び方・順番を記録すると再現しやすい
• 定着させたい用途は、入力の外に前提を置く